《华尔街股市投资经典》第五章：它现在还有效吗？

"如果你用同一份数据测试足够多的策略，你必然会找到一个看起来极好的策略——即便它毫无意义。" —— 量化研究的核心告诫

投资背景

前四章展示了令人印象深刻的回测数字。这一章提出一个必须回答的问题：这些数字在多大程度上可信？

这不是吹毛求疵。回测与实盘之间存在系统性差距，而理解这个差距的来源，比记住任何一个策略的年化收益都重要。

华尔街的翻译

1. 数据挖掘问题

奥肖内西测试了数百种因子组合。当你在同一份历史数据上测试足够多的组合时，其中最好的那个必然部分来自运气，而非真实规律。

统计学上这称为多重比较问题：测试 100 个无效策略，平均也会有 5 个在 95% 置信水平上"显著"。回测结果最好的策略，恰恰最可能包含最多的运气成分。

2. 幸存者偏差与其他数据陷阱

最后一项尤其重要： 许多因子的超额收益集中在市值最小、流动性最差的股票中，而这些股票恰恰是真实资金最难买入的。

3. 公开后的衰减

学术研究反复发现同一现象：因子在被发表之后，其超额收益平均衰减约三分之一到一半。 原因是套利资金涌入，以及原始结果中的运气成分无法重复。

奥肖内西自己的基金提供了一个诚实的检验。 他基于这些研究创立了资产管理公司并发行了公募基金，但这些基金的实盘表现并未复制书中的回测水平，部分产品最终清盘或被并入其他策略。这不是对他个人的批评——这是几乎所有已发表量化策略的共同命运。

4. 那么它完全无效吗？

不是。价值与动量是文献中最稳健的两个因子，跨市场、跨时期、跨资产类别均有证据支持。 合理的结论不是"因子无效"，而是：真实可获得的超额收益，远小于回测所显示的，且伴随着长期失效的风险。

可执行的交易规则

1. 把任何回测结果打对折： 将公开策略的回测超额收益减半，作为对未来的现实预期。若打折后仍值得执行再考虑。
2. 警惕过于精细的策略： 参数越多、规则越复杂的策略，越可能是数据挖掘的产物。简单稳健的因子比精致的组合更可信。
3. 检查流动性可行性： 若某策略的收益主要来自微型股，对个人小额资金或许可行，但要意识到你无法验证它在你的交易规模下是否仍然成立。

与退休组合的关系

这一章对退休投资者的价值超出量化投资本身：它教你如何评估任何以历史业绩为卖点的金融产品。

每一份基金推介材料都展示优异的历史曲线，因为表现不佳的产品不会被拿出来推销。你看到的每一条漂亮回测，都已经过幸存者筛选。 对处于提取阶段、无法承受重大失误的投资者，这种怀疑态度是必要的防护。